Clustering Foods

Loading/Cleaning Data and Exploratory

Analysis

In this Data Challenge, we will be clustering foods from the nndb_flat dataset provided on

Canvas. To load/clean the data as well as perform some exploratory analysis:

1.     Read in the data

2.     We will be dealing with only data that falls under the food groups of Vegetables       and  Vegetable  Products, Beef  Products, and Sweets. Filter the data to contain only these food groups.

3.     Select only the variables from Energy_kcal to Zinc_mg

4.     Examine the correlation among the variables using GGally::ggcorr. Which variables have a high correlation?

Performing PCA

Steps for performing the PCA on the data:

1.     Perform PCA on the data. Don’t forget to scale the data (if it is appropriate for this

application)!

2.     Make a plot showing the cumulative proportion of the variation explained by each PC with cumulative variation explained on the y-axis and PC on the x-axis.

3.     We will look at the first 3 PCs which explain about 60% of the variation in the data. Note that you may want to look at more depending on what your application is. Make 3            separate plots for the loadings for the first 3 PCs for all of the variables, ordered by the     absolute value of the magnitude of the loadings.